К содержимому
Другое

One-For-All-4B-GGUF

квантованные файлы модели от mradermacher

1 мин чтения

Этот репозиторий содержит набор статических квантований (GGUF-версий) для мультимодальной модели TendieLabs/One-For-All-4B. Формат GGUF позволяет запускать языковые и мультимодальные модели на потребительском «железе» (например, на обычном ПК или ноутбуке с поддержкой llama.cpp и аналогичных инструментов). В наличии представлены различные варианты сжатия от быстрых небольших файлов до более точных (включая Q4_K_M, Q8_0, IQ4_XS и другие), а также файлы для мультимодального компонента (mmproj). Модель подойдет разработчикам и энтузиастам, которым требуется локальный запуск данной архитектуры с минимальными требованиями к VRAM.

Ключевые особенности

  • Полный набор статических квантований GGUF (включая Q2_K, Q3_K_M, Q4_K_M, Q8_0 и др.)
  • Наличие мультимодальных файлов дополнения (mmproj-f16 и mmproj-Q8_0)
  • Оптимизация для локального запуска на обычном оборудовании
  • Разнообразие вариантов под разные требования к качеству и размеру

Что можно сделать

  • Запустить модель локально с помощью совместимых клиентов и библиотек (например, llama.cpp)
  • Подобрать оптимальный размер квантования под доступный объем оперативной или видеопамяти
  • Использовать мультимодальные возможности в локальных пайплайнах обработки данных

Пример

Использование файлов GGUF стандартно для экосистемы llama.cpp. Укажите путь к скачанному файлу модели и соответствующему mmproj-файлу в вашем любимом клиенте или запустите через консольную утилиту.

ПодробнееБазовая модель: TendieLabs/One-For-All-4B
Библиотека: transformers / GGUF
Доступные форматы: x-f16, Q4_K_S, Q2_K, Q8_0, Q6_K, Q3_K_M, Q3_K_S, Q3_K_L, Q4_K_M, Q5_K_S, Q5_K_M, IQ4_XS
Мультимодальные компоненты: mmproj-Q8_0 (0.5 ГБ), mmproj-f16 (0.8 ГБ)
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 7.8 GB · готовые файлы9.1 GB
  • GGUF Q8_0рекомендуемвеса 4.2 GB · готовые файлы5.1 GB
  • GGUF Q6_Kвеса 3.2 GB · готовые файлы4.0 GB
  • GGUF Q5_K_Mвеса 2.9 GB · готовые файлы3.7 GB
  • GGUF Q5_K_Sвеса 2.8 GB · готовые файлы3.6 GB
  • GGUF Q4_K_Mвеса 2.5 GB · готовые файлы3.3 GB
  • GGUF Q4_K_Sвеса 2.4 GB · готовые файлы3.1 GB
  • GGUF IQ4_XSвеса 2.4 GB · готовые файлы3.1 GB
  • GGUF Q3_K_Lвеса 2.3 GB · готовые файлы3.0 GB
  • GGUF Q3_K_Mвеса 2.1 GB · готовые файлы2.8 GB
  • GGUF Q3_K_Sвеса 1.9 GB · готовые файлы2.6 GB
  • GGUF Q2_Kвеса 1.8 GB · готовые файлы2.5 GB

Совет: берите 8-bit.GGUF Q8_0 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: GGUF Q8_0 — от RTX 2060 · GGUF F16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # mradermacher/One-For-All-4B-GGUF
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download mradermacher/One-For-All-4B-GGUF --local-dir ~/models/One-For-All-4B-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к One-For-All-4B-GGUF
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

TendieLabs/One-For-All-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. One-For-All-4B
  4. One-For-All-4B-GGUF

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

mradermacher/One-For-All-4B-GGUF
Автор
mradermacher
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Pronunciada

Pronunciada
Другое

PyramidDiff

PyramidDiff